Blick in die Blackbox: KI-Trainingsdatensatz C4 schöpft auch aus trüben Quellen from Heise's blog

Colossal Clean Crawled Corpus (C4) dient Sprachmodellen als Trainingsgrundlage. Die Washington Post hat den Datensatz untersucht – er enthält Ungereimtheiten.

Source: https://www.heise.de/news/Blick-in-die-Blackbox-KI-Trainingsdatensatz-C4-schoepft-auch-aus-trueben-Quellen-8973782.html?wt_mc=rss.red.ho.ho.rdf.beitrag.beitrag